大型稀疏线性方程组的迭代数值解法的英文教材

基于麻雀算法优化深度置信网络(SSA-DBN)的分类预测，优化参数为隐藏层节点数目，迭代次数，学习率。 多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。 程序语言为matlab，程序可出分类效果图，迭代优化图，混淆矩阵图。

雅各比迭代matlab代码汉·雅各比 快速（以秒为单位）求解Hamilton-Jacobi PDE以梯度限制2D或3D中定义的标量场。 求解器的输入以列优先顺序打包，z是变化最快的维度。 编译 此代码旨在使用混合。 在MATLAB中输入以下命令： mex CXXFLAGS =“ $ CXXFLAGS -std = c ++ 11” FastHJ.cpp 注意：您可能必须从终端（在类似Linux的操作系统上）启动MATLAB，如下所示： LD_PRELOAD = / usr / lib / x86_64-linux-gnu / libstdc ++。so.6 matlab ...但是首先尝试不使用MATLAB。 用法 通过更改以下代码的适当部分，从MATLAB中操作该代码。 dims = [nrows ncols nz]; % note: nz MUST be 1 for 2D fields. elen = % size of grid cell dfdx = % decimal fraction representing smoothness itmax = % maximum num

可变分数延迟FIR滤波器WLS设计的矩阵迭代算法

给定参考信号的样本块和所需信号的样本块，该函数更新滤波器权重并返回误差样本块。

交直流潮流计算程序，交替迭代法，带界面设计，提供一个11节点算例 AC / DC power flow calculation program, alternating iteration method, with interface design, provides an 11 node example

在联合冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理的基础上，利用边缘检测算子选取自适应参数，构建能同时兼顾图像平滑去噪与边缘保留的自适应全变分模型，并基于Bregman迭代正则化方法设计了其快速迭代求解算法。实验结果表明，自适应去噪模型及其求解算法在快速去除噪声的同时保留了图像的边缘轮廓和纹理等细节信息，得到的复原图像在客观评价标准和主观视觉效果方面均有所提高。

详细介绍了流体力学中的有限元方法及其快速迭代技术，针对流体方程开展方程离散化，并对形成的矩阵方程开展加速求解技术，该类方法为有限元在其他领域(电磁场、力学等)的应用提供了较好的借鉴。

基于压缩感知（CS）的磁共振成像（MRI）是一种利用磁共振（MR）图像的稀疏性的快速成像技术，经典CS-MRI重建数学模型是在包含线性合成非平滑正则约束下的最优化问题。针对重建模型中的线性合成正则项提出利用原始-对偶框架同时求解原始-对偶问题，对原始-对偶问题的增广Lagrangian形式求解其最优解，提出了一种原始-对偶迭代重建算法；对于非平滑正则项的处理，提出使用Moreau包络进行平滑近似，然后利用近似算子得到平滑近似函数的导数形式。用体模图像和真实MR图像，与共轭梯度算法（CG）、算子分离算法（TVCMRI）、变量分离算法（RecPF）和快速混合分离算法（FCSA）进行比较，表明该算法重建效果最好，算法复杂度与最快的FCSA算法相当。

matlab迭代阈值代码Sista-rnn 论文代码 [1] S. Wisdom，T。Powers，J。Pitton和L. Atlas，“通过展开迭代阈值来建立顺序网络以进行顺序稀疏恢复”，ICASSP 2017，美国路易斯安那州新奥尔良，2017年3月 [2] S. Wisdom，T。Powers，J。Pitton和L. Atlas，“使用顺序稀疏恢复的可解释的递归神经网络”，arXiv预印本arXiv：1611.07252，2016年。在NIPS 2016复杂可解释机器学习研讨会上发表系统公司，西班牙巴塞罗那，2016年12月 通过以下方式包含代码： Stephen J. Wright，Robert D. Nowak和Mario Figueiredo，可从以下网站获得 Salman Asif，可从以下途径获得 Martin Arjovsky，Amar Shah和Yoshua Bengio，可从以下网站获得 要复制论文的结果，请按照下列步骤操作： 下载可从以下网站获得的Caltech-256数据集 执行“ run_supervised.sh”脚本。 这将为所有其他功能加载和预处理Ca